本研究は、無割引無限期間設定においてQ関数の貪欲な最大化がタスク完了を無期限に先延ばしする方策を生み出す病理現象を明らかにした。時間論理の価値関数を構成価値関数のグラフに分解し、状態履歴に基づく非マルコフ方策を構築することで、入れ子になったUntil、Globally、Globally-Until仕様に対する最適性を証明し、Q関数を複雑なTL仕様の安全フィルターとして拡張した。

本論文では、マルチモーダルな人間-ロボットインタラクションシステムにおける3つの重要なモジュール（行動抽出のための大規模言語モデル、視覚接地のための知覚システム、運動実行のためのコントローラ）について、制御されたアブレーション研究を実施。3つの言語モデル、5つの知覚構成、3つのコントローラを比較し、最良の組み合わせの要因分析を行い、実行時間と成功率に影響を与える選択を明らかにする。

ARISは、マルチモーダル推論、グラフベースの社会世界モデル、検索拡張生成（RAG）を統合したソーシャルロボット向けのエージェント型AIフレームワークです。Pepperロボットを用いたユーザー調査（N=23）では、ARISは大規模言語モデルのベースラインと比較して、知覚される知性、活力、人間らしさ、好感度において有意に高い評価を得ました。主な貢献は以下の3つです：知識グラフを通じてユーザー間の社会的関係を明示的にマッピング・更新する社会世界モデル；数千の対話履歴にもかかわらず低レイテンシを維持する効率的なRAGベースの対話パイプライン；構造化APIを介して音声、視覚、物理動作を調整するモジュール型エージェントアーキテクチャ。実装は公開後にオープンソースとしてリリースされる予定です。

このサーベイ論文は、リハビリテーション、負傷後ケア、病院環境におけるLiDARセンサーの応用を2019年から2025年の研究を対象にまとめている。LiDARはカメラベースシステムやウェアラブルセンサーに比べ、プライバシー保護や快適性などの利点がある。3Dボディスキャン、歩行分析、ロボット搭載LiDAR、リアルタイムモニタリング、活動認識などの応用を探り、学習ベースの処理技術を分析し、研究ギャップと将来方向を示している。

赤外線小目標検出（IRSTD）は海洋監視や軍事捜索救助などのミッションクリティカルなアプリケーションで重要ですが、低信号対雑音比と小さな空間範囲が課題です。本論文では、U-Netフレームワークに基づく選択的注意ネットワークSANetを提案し、デュアルパス意味認識モジュール（DSM）と選択的注意融合モジュール（SAFM）により目標認識を強化し誤警報を低減します。

既存の単一画像デヘイジング手法は均一な薄いヘイズ画像には良好な性能を示すが、空間的に変化するヘイズ濃度や急激な密度遷移を持つ非一様ヘイズ画像には苦戦する。本論文ではCPIFNetというマルチブランチ深層ニューラルネットワークを提案し、非一様デヘイジング問題を複数の扱いやすい均一サブ問題に分解する。IENetとIFNetの2段階アーキテクチャを用い、異なる濃度の均一ヘイズデータセットで訓練したブランチの出力を融合する。

研究者らは、ドローン展開向けに設計されたコンパクトな256Mパラメータの視覚言語行動（VLA）システムであるLiteVLA-Hを提案する。このシステムは NVIDIA Jetson AGX Orin上で二重速度動作を実現する：高速アウターループ誘導モード（50.65ms/19.74Hz）と低速セマンティックモード（149.90-164.57ms）である。主な発見は、レイテンシが主にマルチモーダルプリフィルによって支配され、追加トークンのデコードコストではないことである。知識保存型ファインチューニングにより、記述能力を維持しながら高エッジ推論速度を達成し、AnywhereVLA、FutureVLA、ReMem-VLAなどの最新アーキテクチャを凌駕する。

本論文は、顔交換に関する包括的なサーベイとベンチマークを提供します。既存の手法を5つの主要なパラダイムに分類し、人口統計分布がバランスよく属性バリエーションを明示的に含む高品質なベンチマークCASIA FaceSwappingと、標準化された評価プロトコルを導入します。代表的な手法に対する広範な実験により、現在の技術の性能特性と限界に関する新たな洞察が得られました。

リモートフォトプレチスモグラフィ（rPPG）は非接触の生理計測を可能にする。既存の自己教師あり学習（SSL）手法は相関トラップに陥りがちで、微弱な真のrPPG信号ではなく、高エネルギーの動きや照明ノイズなどの支配的な周期信号を学習し、モデルの汎化性能が低下する。この問題に対処するため、本稿では新しいSSLパラダイムである生理的因果探索（PCP）を提案する。PCPは潜在rPPG信号を物理的源とみなし、ピクセルのクロミナンス変化をその視覚的表現として扱う。核心は受動的な相関学習から能動的で精密な介入への転換であり、提案したrPPG仮説に基づいてビデオに介入し、介入後の変化が物理的期待と一致するかを検証する。PCPを実装するInterv-rPPGフレームワークでは、rPPG抽出器PhysMambaFormerが信号を仮説し、制御可能生理信号エディタがその仮説に基づいてビデオのクロミナンス領域に精密な介入を行う。Interv-rPPGは「ヌリングによる反証可能性」と「公理的等変性」を通じて仮説の物理的現実性を検証する。エディタはビデオの低周波クロミナンス成分に介入することでrPPG信号の精密編集を実現する。本手法はVIPL-HRやMMPDなどの挑戦的なデータセットにおいてドメイン内およびクロスドメイン性能を向上させる。さらに、複雑なクロスデータセット設定では教師ありベースラインを上回り、介入メカニズムがわずかな残留クロミナンスノイズを導入する可能性があるクリーンデータセットでも競争力を維持する。外乱感度の診断分析を含む広範な実験により、PCPパラダイムが動きや照明アーティファクトに効果的に耐性を示すことが実証された。

自律運転（AD）はエンドツーエンド（E2E）フレームワークへと進化しており、Vision-Language-Action（VLA）に代表されるモノリシックモデルと専門モジュール型アーキテクチャの2つの主要なパラダイムがあります。両方ともTransformerバックボーンに依存しており、これが共通の脆弱性を生んでいます。本論文では、敵対的フローマッチング（AFM）を提案します。これは、E2E ADモデルのTransformer構造の脆弱性を悪用する新しいグレーボックス攻撃フレームワークです。AFMは、ニューラル平均速度場を介して敵対的サンプルを効率的にワンステップで生成します。実験により、AFMは攻撃効果と知覚不能性の間で優れたトレードオフを達成し、ベースラインと比較して様々なシナリオでVLAおよびモジュール型ADエージェントの性能を著しく低下させ、同時に最先端の視覚的知覚不能性を維持することを示しています。さらに、AFMによって生成された敵対的サンプルは頑健なクロスモデル転移性を示し、AFMがブラックボックス攻撃設定に近いことを示しています。

4次非線形偏微分方程式と物理的なヘイズ形成モデルを統合したハイブリッド霧除去モデルを提案。ダークチャネル事前情報を用いて大気パラメータを推定し、4次テレグラフ型PDEの進化により最終的な復元を行う。エッジ適応拡散係数と透過マップによる重み付き忠実度項を導入し、霧を抑制しつつ構造詳細を保持する。実験では既存手法と同等以上の視覚品質を示す。

本研究は、暗号通貨のレジーム予測における異なる視覚的表現を体系的に比較し、3つの画像符号化方法、5つのチャート構成、4つのニューラルネットワークアーキテクチャ、および転移学習の影響を評価。結果は、単純な4層CNNがロウソク足チャートで0.892のAUC-ROCを達成し、大規模な事前学習モデルを凌駕。単純な表現（価格のみのチャート、128x128解像度）が複雑な代替案より一貫して優れる。転移学習はドメインギャップにもかかわらず4〜16％の性能向上をもたらす。

本研究では、CogVideoX動画拡散モデルの推論中にノイズ除去された潜在表現を傍受し、軽量な分類器を付加してリアルタイムで成人コンテンツを検出する新しいフレームワークを提案する。11,039個の10秒動画クリップ（違反5,086個、非違反5,953個）で構成されるデータセットで訓練・評価を行い、テストセットで97.29%のF1スコア、オーバーヘッド4～6ミリ秒を達成した。

現在の合成データパイプラインは、下流モデルの実際のニーズを診断せずに画像を生成している。本論文では、実験計画法（DoE）の統計理論に基づき、合成設計実験（SDRS）を提案する。部分要因計画とANOVA分解を用いてモデルの因子感度を監査し、障害をタイプI（カバレッジ不足）とタイプII（疑似依存）に分類し、標的合成データを処方する。実験では、dSpritesで精度が49.9%から79.0%に向上、セグメンテーションでmIoUが0.948から0.998に向上、さらに交差汚染の検出を確認。

本論文は、意味的に近い文の制御された局所クラスによって誘導される埋め込みクラウドの局所幾何学を研究する。アフィン、二次、三次の適合モデルに基づく局所幾何学モデリング手法と、表面ベースの潜在プロービング手順を導入。非線形モデルがアフィンモデルよりも正確であるが、幾何学的有効性が分類性能向上に自動的には繋がらないことを示す。CoPaGE-300Kデータセットを公開。

本研究は、差分プライバシーテキスト難読化におけるテキスト分解とプライバシー予算配分技術を体系的に評価し、設計選択がプライバシーとユーティリティのトレードオフに大きな影響を与えることを明らかにし、DP難読化手順の最適化の可能性を示しています。

新しい研究は、反事実プロンプト評価がしばしば偶発的な表面形式の変化を考慮せず、モデルの感度を誤って帰属させることを指摘する。著者らは、統計的検定を用いて標的介入をパラフレーズベースラインと比較する枠組みを提案する。MedPerturbデータセットを再検討したところ、120件中わずか5件のテストのみが有意であり、職業経歴分類における方向性のある性別バイアスは検出可能である。サンプル単位および回帰指標は集計指標よりも強力である。

新しいarXivプレプリントは、大規模言語モデルにおける敵対的攻撃と防御を理論的ゲームとして形式化し、最適な攻撃・防御戦略を導出し、既存手法よりも優れた性能を実証しています。

新しいベンチマークXHS-SCoREは、LLMが小红书（RedNote）の投稿で社会的比較トリガーを流暢に生成できる一方、プロンプトベースの分類器がこれらの信号を確実に検出できないことを明らかにした。研究では、中立化やモデル固有の方向性バイアスといった安定した失敗モードが見られ、LLM生成の投稿が実際に読者の知覚に影響を与えることも示された。

CLEARフレームワークは、選択肢の数、正解または棄権オプションの有無、および回答オプションの意味的枠組みを体系的に変化させ、3つの医療ベンチマークで17のLLMを評価した。その結果、妥当な回答数の増加は正解の特定と誤回答の棄権能力を低下させ、棄権の表現が「上記のいずれでもない」から「わからない」に変わると不注意さが増し、モデル規模が大きいほど「謙虚さの赤字」が悪化することが示された。スケーリングだけではLLMの信頼性問題は解決しない。

研究によると、大規模言語モデル（LLM）が生成したニュース見出しのバイアス除去は、フレームの再構成により保守派読者の信頼と関与を高めるが、語彙レベルの調整は無効である。また、LLMは自身の効果を過大評価し、読者の心理を正確に理解していない。

本論文は、微調整モデルと参照モデルのパープレキシティ差を比較することで、微調整目標を明らかにするシンプルな手法を提案する。76のモデル生物（0.5B〜70Bパラメータ）での実験により、バックドア、偽事実の内在化、敵対的訓練による隠れた行動、創発的不整合などを効果的に検出できることが示され、正確な事前微調整チェックポイントがなくても他の参照モデルで代替可能である。

図表質問応答（Diagram QA）では、各質問応答ペアを回答の導出に必要なすべての視覚領域にリンクする推論レベルの帰属が必要であり、最終回答を含む領域だけではありません。既存の注釈ツールはデータセット固有の形式に密結合しています。本論文で提案するDIAGRAMSは、内部メタスキーマとデータセットアダプタを介してインターフェースロジックをデータセット固有のJSON構造から分離する、軽量でスキーマ駆動のレビューフレームワークです。このシステムはQA条件付きの証拠選択を実行し、必要な領域を提案し、欠落している場合はQAペアや候補領域を生成して人間による検証をサポートします。6つのデータセットにおいて、モデルが提案した証拠はレビューアの最終選択に対して85.39%の適合率と75.30%の再現率を達成し、手動での領域作成を削減しつつ高い一致率を維持することを示しています。

研究者らは、大規模言語モデルの潜在表現から階層の深さとペアワイズ距離を抽出する線形プローブ「H-Probes」を開発した。実験では、階層部分空間が低次元で、タスク性能に因果的に重要であり、ドメイン内外で汎化することが示された。数学的推論などの実世界の階層的コンテキストでも類似の構造が見られた。

PhaseNet++は、STFTを利用して位相スペクトルを保持する周波数領域オートエンコーダを提案し、ICSの異常検出に適用する。位相コヒーレンス指標（PCI）を用いてグラフ注意ネットワークを導き、SWaTベンチマークで競争力のある結果を達成し、この分野で初めて位相領域の系統的研究を行った。

本論文は、二値分類器の受信者動作特性（ROC）曲線をレビューし、曲線下面積（AUC）が分類器がランダムな正例をランダムな負例より上位にランク付けする確率に等しいことを正式に証明する。また、仮定が満たされない場合の誤差の限界を示す。

Haikuは、多重免疫蛍光、H&E組織学、臨床メタデータを統合した三モーダル対比学習モデルであり、クロスモーダル検索、臨床予測の改善、ゼロショットバイオマーカー推論を実現し、反事実分析により癌進行に関連するニッチ特異的な分子変化を明らかにする。

StyleShieldは、連続トークン埋め込み空間で条件付きテキストスタイル変換を行う新しいフローマッチングフレームワークであり、AI生成コンテンツ検出器を効果的に回避する。中国語マルチドメインベンチマークでは、訓練済み検出器に対して94.6%、未見の検出器に対して99%以上の回避率を達成し、0.928の意味的類似性を維持する。また、提案されたRateAuditアルゴリズムは検出スコアが任意に設定可能であることを示し、スコアベース評価の信頼性に疑問を投げかける。

GAZEフレームワークは医療用VLMに反復的な画像分析と文献検索を可能にし、NOVAベンチマーク（906件の稀な脳MRI症例）において、病変位置特定で[email protected] 58.2、診断精度34.9%を達成。稀な病理に対する改善が顕著であり、ツール使用とモデル依存のトレードオフも明らかにした。

FastSinkhornは、エントロピー正則化最適輸送のための対数領域Sinkhornアルゴリズムの軽量なネイティブCUDA実装であり、密なOT問題でPOTに対して12倍、PyTorchに対して5.9倍の高速化を達成し、GPUメモリは256MBのみである。